CN103438802A - 光纤涂覆层几何参数测量方法 - Google Patents

Abstract

本发明公开了一种对单层或多层光纤涂覆层进行几何参数自动测量的方法。首先对光纤图像分别自左、右进行行扫描，预测像素值，以预测结果与实际值差异是否超过门限判定最外层涂覆层边界，将背景设为0；对图像首先采用分水岭法分割，对分割得到的区域标注等级；以前景分割区域为顶点、相邻区域灰度平均值之差的绝对值为边权重建立树图进行第二次分割，根据区域面积与中心点距离之比、区域内外部不相似程度进行合并判决，结合光纤图像特点对小区域进行合并并修改区域等级标注；将图像分为偶数个等分扇区，扇区内依据轮廓点所属区域标注等级选择待用样点后，按对称、优先级从高到低的原则选取样点，采用最小二乘法进行椭圆拟合，测得几何参数。

Description

光纤涂覆层几何参数测量方法

技术领域

该方法用于对单层或多层光纤涂覆层采用摄像机法测量时，自动测量几何参数。

背景技术

随着光纤价格的走低，依托高速宽带网络发展和光纤到户政策的推进，光纤愈来愈多地应用于数字通信中。光纤由折射率较高的纤芯、外层折射率较低的包层和涂覆层组成。纤芯用于导光；包层由于其折射率较低可以保证光反射只发生在纤芯内，形成对光信号的约束；涂覆层对裸光纤进行保护，提高光纤机械强度，防止静态疲劳和磨损，提高光纤抗微弯强度，防止微弯损耗。涂覆层一般分分单层或多层。

光纤涂覆层几何参数包括涂覆层直径、不圆度、涂覆层/包层同心度误差。参数的一致性对于得到最小的耦合损耗是至关重要的，因此必须对光纤进行几何参数、涂覆层几何参数测量

当前对光纤涂覆层几何参数的测量方法分为测视光分布法和机械法。侧视光分布法将被待测光纤置于高倍显微物镜焦平面上，光纤轴与物镜光轴垂直，测量更细分为观察法和摄像机法。观察法中光纤图像尺寸等参数通过十字准线目镜标定，而摄像机法则将显微镜下观测图像送入计算机进行测量分析。随着高分辨率CCD的普及，摄像机法应用愈加普遍，采用图像处理技术（计算机视觉）进行标定几何参数标定。

目前研究基于计算机视觉进行光纤测量的方法、设备很多，对图像灰度进行标定，通过图像边缘提取算法，根据设定的阈值，在测试光纤图像中分割出不同的部分，然后用霍夫算法或者最小二乘法拟合圆，这些研究成果已广泛用于光纤纤芯和包层几何参数测量。

但这些自动测量成果用在涂覆层自动测量时却力不从心，这主要是由于涂覆层与光纤包层、纤芯相比，成像品质不同。光纤纤芯和包层所成图像边缘清晰，各区域内部灰度值一致，比较容易用像素级的图像处理方法分割且取得理想效果。而单层或多层涂覆层同一层内部成像品质差异较大，内部灰度值差别较大，有时内部灰度的差别甚至超过区域间灰度的差异，依靠像素级灰度分割法无法妥善处理。而区域分割的准确与否关系到后续椭圆拟合的准确性。目前测量涂覆层几何参数的一般采用半自动测量法，即人工在所成图像上选取若干涂覆层的关键边界点，再由计算机根据点坐标进行椭圆拟合。

发明内容

提供了一种自动获取涂覆层边界点，用于测量单层或多层涂覆层几何参数的方法。

系统总体框图如图1,根据成像中背景区域灰度上较为一致的特点，采用行扫描方式，在每行左、右二端采集背景像素，并采用预测比较的方法首先将背景分离，为后续处理减少计算量；在图像各层分割中采用二次分割算法，首先采用区域填充分割中的分水岭法分割图像，标记各分割区域的标注等级，然后在此基础上进行基于树图的分割，以分割区域与中心距离、面积等因素作为度量进行分割，并结合光纤成像特点对分割结果进行整理。本方法既考虑像素级的本地特性，又考虑总体特征，分割结果符合人眼视觉感受，抗干扰能力强，对破损严重的涂覆层图像也能正确区分边界。采用最小二乘法进行椭圆拟合时，对参与拟合的样点按照优先级分类、依照对称原则进行选取，椭圆拟合精确度高。此方法也适用于光纤尺寸参数的方法，对破损严重的光纤尤为有效，计算量满足实时处理的要求。

考虑到实际成像的涂覆层最外层边界并不总是均匀、明显的，而比较而言，背景区域一般灰度值较为统一，并且实际成像中背景区噪声较小，故本方法首先在背景去对像素进行预测，比较预测值与实际值的差异，当差异较大时则认为不是背景区了，其边界定位更精准。

在成像时，注意到每行的最左边像素和最右边像素均属于背景区，根据这些像素可以采用迭代更新的方法逐步预测每行分别由左、右开始的扫描中各点的值，对背景区而言，这些相邻像素值变化平缓、有规律可循，若碰到明显不符合规律的点，则说明是边界点了。预测的方法可以采用卡尔曼滤波、mean-shift等任何预测方法。在本发明中，考虑到背景的单一性，采用了一个更为简单、计算量小的线性预测方法。基于预测比较的背景提取方法能达到2个目的：（1）准确划分了待测光纤图像涂覆层最外层的外轮廓；（2）减少后续图像分割的计算量，图像分割计算量与总像素数目有关，后续图像分割只在前景图像中进行则明显减少计算量。以极端情况为例，假设整个矩形图像为光纤成像的外切，则前景部分约占整个图像的78.5%，背景提取能减少21.5%的像素数目，而实际成像中图像矩形大于光纤成像的外切矩形，即前景部分占有率低于78.5%，因此能减少更多计算量。

测试图像分成多个区域：纤芯、包层、内涂覆层和外涂覆层等，测量几何参数要求必须对图像进行分割，准确划定各层的边界。本发明采用二次图像分割的方法。第一次图像分割时，先对光纤图像经过预处理，然后采用基于区域生长的分水岭法分割图像，并对隶属于前景的区域又按照区域特点分为不同的等级。采用区域生长的方法分割图像，其本质上是基于图像空间的，分割后产生多个小区域或者具有同质特征的多个相邻区域。本方法接着利用图像的特征空间信息，采用树图的分割方法进行第二次分割，合并相邻、同质的小区域。相比与像素级分割，基于树图的分割方法在视觉上更具有全局性。但基于树图的方法，相比于传统的像素级分割，往往存在处理时间长的问题，计算量与像素值成几何级数增加，在实际应用中处理时间长，无法满足实时测量的要求。而本发明从2个方面减少树图分割的计算量，使之满足实时处理的要求：（1）在应用树图分割时，树图中顶点是第一次分割形成的前景区域而非像素值，这样大大减少了数据量；（2）树图合并中采用的评判策略根据光纤图像特点简化为线性计算，减少计算量，使得第二次分割中的计算量与首次分割出现的区域数之间成近似线性的关系，故本方法满足实时测量需求。

第二次图像分割后对分割区域进行等级修改。在根据分割结果进行涂覆层椭圆拟合时，本方法对各层的边界进行代表点、优质点筛选，代表点指尽量在整个边界各个方向上都选取参与拟合的点，而不是仅仅在小区域内选拟合点。优质点指根据图像分割过程中各个区域标注的等级，椭圆拟合时尽量选用高等级区域边界点。

使用该方法测量的基本要求：测试平台符合光纤涂覆层几何参数测量国家标准中侧视光分布法装置技术要求；测量前需要调整各设备位置，使得成像尽量位于图像的中间,图像中心点位于纤芯区内。

调整好设备位置后保持不变。根据设备调试时光纤纤芯的尺寸（用像素数表示）、本测量是否同时测量纤芯尺寸等因素，设置门限Δ、常数k值。关于Δ、k的解释，参看具体步骤描述。

发明包含附图共3幅，说明如下：

图1为该发明总体框图；

图2为背景提取时行扫描顺序示意图；

图3为行扫描提取背景程序流程图。

具体实施方式如下：

（1）预测比较提取背景区域。从上到下，每行先从左侧、再从右侧开始对数据进行行扫描，扫描顺序如图2。线性滤波具体做法如下：

■读取最近扫描的5个点（此处依次记为p_i,p_i+1,...p_i+4），计算相邻2个像素值之差Δp_i,Δp_i+1,...Δp_i+3（Δp_i=p_i+1-p_i）。

■预测下个扫描点的值：

${\hat{p}}_{i+5}=p_{i+4}+[4\×{\mathrm{\Δp}}_{i+3}+3\×{\mathrm{\Δp}}_{i+2}+2\×{\mathrm{\Δp}}_{i+1}+{\mathrm{\Δp}}_i]/10$

■比较预测值与实际。如果则该点判为背景。重复上述步骤预测比较同行同侧下一个点。否则转到下一步

■如果

则该点为前景。停止该行这侧的扫描。若目前进行的是左侧扫描，则转到同行右侧，重复以上所有步骤。否则转到下一步。

■每行左右侧均扫描完成后，转到下一行从左侧开始重复以上所有步骤，直到各行均被扫描历遍，结束。

步骤（1）流程图见图3。经过预测比较，提取出背景，同时获得光纤最外层涂覆层的外轮廓。

（2）对步骤（1）得到的背景区域做标记，得到二进制背景模板T_b1，将所有背景像素值全部改为0后得到图像用I表示。

（3）对图像采用基于区域填充分割的分水岭法进行第一次分割。

具体步骤如下：

●对图像I分别在水平方向和垂直方向采用Sobel算子滤波

●根据水平方向和垂直方向滤波结果H_x,H_y，得到检测图像的梯度图像 $I_g=\sqrt{{\left(H_x\right)}^2+{\left(H_y\right)}^2}$

●对原图I进行腐蚀操作，考虑到各层轮廓接近圆形，这里采用圆形结构元素，得到图像I_e

●将图像I_e作为标记图像，以原图I为掩模图像，采用8连通结构元素M₈进行如下的形态学重构。首先令t₁=I_e,迭代t_i+1=(_ti⊕M₈)∩I，其中⊕为膨胀操作，直到t_i+1=t_i停止。此时得到的图像t_i+1用I_eor表示，对I_eor做膨胀处理得到图像I_eorp。

●以I_eor的反转图像（即每个像素值为255-原值）为掩模图像，以I_eorp的反转图像为标记图像，仍然采用8连通结构元素M₈进行形态学重构，将重构结果进行反转得到图像记为I_eorp-con。

●以8连通求出I_eorp-con局部最大值的二进制模板图T_max。

●为减少计算量、限制分割的区域个数，对小尺寸区域进行限制。进行考虑到实际涂覆层边界的类园性，此处选择直径为d（根据获得图像的分辨率而定，一般选d在5-15之间的整数均可）的圆形模板C_d为结构元素对T_max做闭操作，接着进行腐蚀，得到二进制图像T_max-e，将T_max-e中各区域的面积（区域内像素数目）与最小区域门限Δ相比较，小于门限的区域撤掉，大于门限的区域保留。T_max-e经最小门限限制处理后的图像用T_max-Δ表示。这里对T_max-e设置最小区域面积下限Δ，T_max-e中小于Δ的区域面积不能被单独标注为一个独立区域。如果测量中不进行纤芯测量，则门限Δ可以设的大些；反之若测涂覆层的同时需要测量纤芯参数，则该门限值要小于纤芯的尺寸。

●对I_eorp-con进行二值化，计算二值化后图像中各像素点到距离其最近的非零点之间的欧拉距离，得到矩阵D_eu，其维数于I相同。对D_eu采用分水岭法得到的图像I_tp二值化，获得分水岭变化脊线模板T_rig，将T_rig与T_max-Δ进行或操作，得到T_shed-Δ。

●以8连通结构元素，T_shed-Δ为标记图像，以梯度图像I_g掩模图像，进行指定区域最小值的形态学重构，使得梯度图像I_g的局部最小值只发生在T_shed-Δ非零位置。被修改后的梯度图像用I_gM表示。

●对I_gM运用分水岭法获得分割结果S_M，这个图像中分割出区域数目比直接分水岭法得到的少。

通过上述处理的分水岭法分割，S_M极大减少了过度分割的现象，为后续树图法的二次分割减少计算量打下了基础。

（4）整理第一次图像分割结果：根据T_b1、S_M、T_max-Δ对原图I做如下标定：（a）所有在模板T_b1中为1的区域，其在原图中分割为一个独立区域，即背景，背景不参与后续第二次图像分割;（b）前景光纤图像根据S_M分割结果，若该分割区域对应T_max-Δ有不为0的元素，则区域等级标记为最高级“F-1”；(c)光纤前景图像根据S_M分割结果，若该分割区域内对应T_max-Δ所有元素均为0，这些区域等级标记为次高级“F-2；。

（5）树图分割的预处理。对第一次分割得到的每个分割区域，分别计算面积（区域内像素点总数）、区域内平均灰度值。

（6）不同与对每个像素点作为一个顶点的传统树图，此处每个以步骤（3）中分割得到的前景区域，构建无向加权树图G=（V,E）。v∈V为顶点，对应于步骤（3）中分割得到的一个前景区域，E为边缘集合，(v_i,v_j)∈E对应于一对相邻顶点，二个顶点相连构成一条边，即链接顶点v_i,v_j的一条边。每个顶点值用域内灰度平均值表示。若区域v_i,v_j不相邻，则它们之间没有边相连。

（7）每个边(v_i,v_j)∈E均有一个非负权重值w(v_i,v_j)用于度量v_i、v_j的不相似度，即（3）中分割出的各区域不相似度。这里定义相邻顶点所构成的边的权重为这二个相邻区域的平均灰度值差的绝对值。不相似程越大，则边的权重值越大。

（8）进行第二次图像分割，分割基于三个原则：（a）同一区域内部的不相似度应该低于区域间的不相似；（b）涂覆层有区域面积的下限；（c）我们对大量光纤图像的分析发现：分割得到的小区域一般来自二个方面：由于涂覆层破损等因素引发的破损区和纤芯。而纤芯距离图像中心近，涂覆层中的破损区域距离图像中心远。故若在分割中出现中心位置远离图像中心的小区域，需要将其合并到相邻区域。

（9）假设（6）中区域二二相邻构建的树图共有h条边，对h条边的权重按照由低到高的顺序进行排序。

（10）以步骤（6）、（7）构成的图为初始状态（第0次的分割结果，q=0），对q=1，....，h重复步骤（11）-（13）h次。

（11）由第q-1次的分割结果，迭代获得第q次的分割结果：设在第q次处理中处理的是（9）中排序的第q条边相连的二个区域，用O^q=（v_i,v_j）表示，若在第q-1次处理后v_i、v_j仍分属不同的区域（用

和

表示），那么计算

各自区域内部的平均灰度值，并得到二个平均灰度值差的绝对值

定义为二个相邻区域在第q-1次迭代后得到的新区域

和构成树图边的权重值，即二个区域的不相似度。

（12）计算

和

各自区域内部的不相似度。该值为

各自区域内部所有边（即步骤（7）构成的树图中所有在当前区域中的边）的最大值表示，此处用 $\mathrm{inner}\left(C_i^{q-1}\right),\mathrm{inner}\left(C_j^{q-1}\right)$ 表示。

（13）比较 $\mathrm{inner}\left(C_i^{q-1}\right),\mathrm{inner}\left(C_j^{q-1}\right)$ 和 $\mathrm{uns}(C_i^{q-1},C_j^{q-1}).$

●若满足：

$\mathrm{uns}(C_i^{q-1},C_j^{q-1})>\min (\mathrm{inner}\left(C_i^{q-1}\right)+\mathrm{\τ}\left(C_i^{q-1}\right),\mathrm{inner}\left(C_j^{q-1}\right)+\mathrm{\τ}\left(C_j^{q-1}\right))$

即迭代后二个区域间不相似度大于任意一个区域内部不相似度的一个函数，说明二个区域严重不相似，则保持

和

区域分割结果不变；

●否则合并

和

区域，重新计算合并后新组成区域的面积、平均值，区域内部不相似度以及与其相邻各区域的不相似度。

τ(C)=（k×d）/|C|，其中k为常数，根据是否同时测量纤芯等因素由用户设定，比如当测量纤芯时，可以设较小k值，而不测纤芯时k值可以适当设大些。|C|为区域C的面积，d为区域C中心（区域内所有点坐标平均值）到整幅图像中心的距离。在k保持不变条件下，当|C|很小时，对纤芯而言，由于其与图像中心的距离d也较小，则τ(C)较小，上述不等式右侧较小，不等式较易满足，因此纤芯区域能保持独立性，不会被合并到其它区域。而对涂覆层中的各个破损区域，由于距离图像中心远，d值较大，故τ(C)值大，上述不等式较难满足，因此涂覆层中小破损区域会被合并。

（14）整理树图分割结果。由于涂覆层成像质量的不统一，第二次分割后仍然会有一些破碎严重的区域不能被合并到内/外涂覆层区域中。扫描分割形成的所有区域，若存在区域其面积小于涂覆层最小面积门限、该区域不包含图像中心点，则认为该区为破损区域，需要被合并。若该区域只与一个涂覆层相邻（即一涂覆层内部破损区），则将其并入该涂覆层。若该区域与内、外涂覆层均相邻，则分别计算该区域与内、外涂覆层平均灰度差的绝对值，即不相似度，将该区域并入差异较小的涂覆层，同时记录该不相似度、修改该区域的等级标注为最低级“F-3”。

（15）根据上述分割结果获得边界图像，选取椭圆拟合的合格边界点进行拟合。椭圆拟合的方法有很多，比如hough变换，但其处理时间长，在实际应用中难以实现快速检测的要求。最小二乘法虽然精读不如hough变换，但胜在速度快，用6个点的坐标就可以拟合出椭圆的参数了。为了提高最小二乘法的拟合精度，一个可行的方法是增加参与拟合的点的数目，同时对参与的拟合点进行筛选，筛选原则：（a）代表性,即采点区域尽可能广泛，从图像各区选取而不是只选挨在一起的多点；（b）质量高，即优先选择图像边缘清晰、来自非破损区域的点。将整个图像以中心点为中心，等分成偶数个扇区。对同一涂覆层在每个扇区内筛选3个合格边界点，基本原则为按照优先级从高到低选取。若该扇区内有边界所属区域为“F-1”级，则从中选择3个点，并将这3个点标记为P1优先级；若该扇形区域内无边界属于“F-1”级区域，或者“F-1”区域边界在此区间点数n少于3个，则看是否有边界属于“F-2”区域标记，若有则从中选择余下的3-n个点，并将这n个点标记为P2优先级。以上点构成待用点集合。

（16）合格边界点配对。设扇区个数为N，按照二区配对原则将第1、1+N/2扇区配对，第2、2+N/2扇区配对，依此类推。分别从2配对个扇区找到m=min(2个配对区域中P1优先级的点数)，依次历遍各扇区对，得到总的拟合点数 $\mathrm{tf}=\underset{i}{\mathrm{\Σ}}{m}_i(i=\mathrm{1,2},..N/2).$

●若tf大于42，转至步骤（17）。

●若tf小于42，从待用点集合中任意寻找余下的P1优先级点直到点数达到42个，转至（17）。

●若待用点集合中所有P1优先级点数不足42个，则继续从优先级为P2的点中按照二区配对的原则选取点，直到P1优先级和P2优先级点的总数达到42个，转至步骤（17）。

●极端情况下，即涂覆层边界处破损严重，待用点集合中P1、P2优先级的点达不到42个，则对处于涂覆层边缘的各标记为“F-3”的区域与将其合并的涂覆层区域的不相似度按照升序排列，从不相似度最小的“F-3”区边界选取3个点，然后从差异次小的“F-3”区边界选择3个点，依次类推，直到P1优先级、P2优先级与区域等级为“F-3”的边界中选出点数总和达到54。此时要求54个拟合点是由于可用点质量不高，参考性降低，于是通过增加拟合点数目提高拟合质量。

（17）将所有（16）中选择点的坐标（x_i,y_i），参照椭圆公式 $P_1{x}_i^2+P_2{y}_i^2+P_3{x}_i{y}_i+P_4{x}_i+P_5{y}_i+P_6=0,$ 用最小二乘法求出拟合参数P₁，.....，P₆。由于步骤（15）（16）中已经对参与拟合点的质量进行了控制，因此此处使用任何最小二乘法拟合法，如标准最小二乘拟合法、Andrew Fitzgibbon直接最小二乘拟合法、Walter Gander最小二乘拟合法等，均能保证拟合精度和测量鲁棒性。求出单层或多层椭圆的长轴A’和短轴B’等。

（18）将各测量得到的参数A’、B’转换成微米为单位的值A、B，

计算涂覆层直径：

涂覆层不圆度（%）

涂覆层厚度比（%）

其中δ_min、δ_max分别为涂覆层最大/小厚度、以及涂覆层/包层同心度误差等。

本方法由于先采用线性滤波分割出背景，减少后续需要处理的数据量。进行各层分割时采用二次图像分割的方式，先采用区域填充分割图像，减少后续树图分割的数据量，树图分割时区域合并判决原则为线性，加快了处理速度，使得整个测量时间满足实时应用的要求。对于分水岭分割中需设置的参数门限Δ和树图分割中需设置的常数k，主要目的是减少后续计算量，而由于采用基于树图的第二次图像分割和步骤（14）对树图分割结果的整理，因此这2个值的设定不会改变测量结果，仅起到改变计算量的目的，故相比其它测量方法中图像分割结果严重依赖于所设门限值的方法，本方法人为干扰小。若不想在设备位置调整阶段设置以上二个参数，本方法也指定了省缺值Δ为30、k为200。

本方法不仅局限于单层或多层涂覆层几何参数自动测量，也可用于光纤的几何参数测量，特别是对破损严重、仅靠像素级操作无法处理的光纤图像，本方法也能出色完成任务。

Claims (7)

1.一种测量光纤涂覆层几何参数的方法，其特征在于包含以下几个步骤：

首先从光纤图像中提取背景，采用行扫描的方式读取图像灰度值，据此对后续像素值进行线性预测，将预测结果与实际值相比较，若二者差异超过门限，可确定最外层涂覆层的外轮廓，并将所有背景像素值改为0；对图像进行二次分割以提取各涂覆层轮廓，首先采用分水岭法分割，限定分割区域的最小面积，利用分水岭变化脊线图标注模板，使得梯度图像形态学重构局部最小值只发生在特定位置，根据分割结果对前景区域进行等级标注；以前景中首次分割形成的区域构建树图顶点，相邻区域用边连接，边的权重为各自区域内部平均灰度值差的绝对值，表示二区域不相似度；对树图各区域距离进行升序排序，采用迭代法合并区域，计算区域中心与图像中心间距离，统计区域面积，得到二者的比值，该值与区域内部最大不相似度之和构成线性计算，得到的结果与区域间不相似度比较，判断是否合并；对二次分割后的面积非常小、不包含图像中心点的区域进行整理合并，对其进行边权重比较后将其合并入分割得到的涂覆层内，并记录它与合并区域的不相似度，同时修改该小区域等级标注为最低；根据图像分割结果确定各层轮廓，以图像中心点为中心将轮廓图像分割成偶数个等分扇区，每个扇区内根据区域等级标注选择代表点并记录其优先级，构成待用点集合，从待用点集合中按照扇区对称、优先级从高到低原则选取样点，当待用点集合中样点数目不够时，将等级标注最低的区域按照其与合并区域间不相似度升序排序，从这些区域中选择剩余样点，直到样点数目达到要求；采用最小二乘法拟合椭圆后根据国标GB/T15972.21-2008计算几何参数。

2.根据权利要求1所述方法，其特征在于对光纤图像采取逐行扫描、预测进行提取，分别从每行两侧开始扫描，计算扫描得到的5个像素值间差分结果，计算加权平均后与最近邻已知像素值相加，得到预测值，预测结果与实际值之间的差异超过设定门限，则判定为最外层涂覆层的边界，将原图中所有背景点像素值改为0。

3.根据权利要求1所述方法，其特征在于对光纤图像各层轮廓提取时，对前景进行了二次图像分割，第一次采取基于区域填充的分水岭法，第二次采取树图分割法，仅以前景中首次分割形成的区域为树图顶点，相邻区域构成的顶点连接成边，边的权重为顶点内部平均灰度值之差的绝对值。

4.根据权利要求1所述方法，其特征在于分水岭法图像分割时，根据最小面积限制后得到的局部最大值模板，对前景中的分割区域做等级标注，若模板对应区域内有元素值为1，则该区域标注为最高等级。

5.根据权利要求1所述方法，其特征在于根据光纤图像特点，树图分割中区域合并原则以区域中心到图像中心间距离与区域面积的比值做为考量，将该值与常数相乘后再与区域内部最大不相似度相加，将计算结果与区域间不相似度做比较，若后者小则将二区域合并。

6.根据权利要求1所述方法，其特征在于根据光纤涂覆层图像特点，对二次分割后仍存留下来的、区域不包含图像中心点、面积小于涂覆层面积下限的小区域，将其并入不相似度最小的相邻区域中，修改该小区域等级标注为最低、记录其与合并区域的不相似度。

7.根据权利要求1所述方法，其特征在于选择椭圆最小二乘法拟合点时，以图像中心点为中心，划分偶数个等分扇区，根据该扇区内边缘点所属区域的标注等级选择样点，并记录相应样点的优先级，构成待用样点集合，在集合中按照首先要求样点优先级从高到低、其次要求样点来自对称扇区的原则，选定参与椭圆拟合的样点，当优质点数目不满足要求时，将等级标注最低的区域按照其与合并区域间不相似度升序排序，从这些区域边界中选择剩余样点。

Images